볼록 함수 기반 거리와 스무딩 거리의 보로노이 다이어그램 연구

초록

**
우리는 두 평면 점의 좌표 차이를 인수로 하는 두 개의 볼록 함수를 각각 더한 형태의 거리 함수에 대한 보로노이 다이어그램을 조사한다. 함수가 너무 빠르게 성장하지 않을 경우, 해당 보로노이 다이어그램은 선형 복잡도를 가지며, 무작위화된 기대 시간으로 거의 선형적인 시간 안에 구축할 수 있다. 또한, 각 사이트로부터의 거리 레벨 집합은 평면에서 의사원(偽円)들의 계열을 형성하고, 보로노이 셀은 모두 연결되어 있으며, 한 셀을 다른 모든 셀과 구분하는 이등분선들의 집합은 평면에서 의사직선(偽直線) 배열을 이룬다. 우리는 이러한 결과를 스무딩 거리(또는 바이오톱 변환 메트릭)라는, 자카드 거리의 기하학적 아날로그에 적용한다. 이 거리의 보로노이 다이어그램은 별형 네트워크의 허브가 주어졌을 때 네트워크 팽창률을 판단하는 데 활용될 수 있다. 점들이 충분히 가깝게 배치된 경우, 스무딩 거리의 보로노이 다이어그램 역시 선형 복잡도를 가지며 효율적으로 계산할 수 있다. 마지막으로, 우리는 스무딩 거리에 맞게 변형한 로이드 알고리즘을 실험하여, 특정 중심점 주변에서 지수적으로 감소하는 밀도를 갖는 균일한 샘플 포인트 집합을 생성한다.

**

상세 요약

**
이 논문은 전통적인 유클리드 거리 대신, 두 개의 볼록 함수 f₁, f₂ 를 각각 x‑좌표 차와 y‑좌표 차에 적용한 뒤 합산하는 형태의 새로운 거리 함수를 정의한다. 수학적으로 d(p,q)=f₁(pₓ−qₓ)+f₂(pᵧ−qᵧ) 로 표기되며, f₁, f₂ 가 선형이 아닌 경우에도 볼록성을 유지한다는 점이 핵심이다. 볼록성은 레벨 집합이 볼록 곡선(또는 의사원)으로 나타나게 하여, 보로노이 셀의 연결성 및 복잡도 분석에 유리한 구조적 특성을 제공한다.

논문은 먼저 “성장 제한(growth restriction)”이라는 가정을 도입한다. 구체적으로, f₁, f₂ 가 일정한 상수 C 에 대해 |fᵢ′(t)| ≤ C·|t|⁰·⁵ 이하로 제한되면, 거리 함수가 급격히 발산하지 않아 레벨 집합이 무한히 얽히지 않는다. 이 조건 하에서 보로노이 다이어그램의 복잡도는 O(n) 으로 증명된다. 여기서 n 은 사이트(점)의 개수이며, 복잡도가 선형이라는 것은 셀의 수와 경계 선분 수가 모두 O(n) 임을 의미한다.

다음으로 저자들은 무작위화된 선형 시간 알고리즘을 제시한다. 핵심 아이디어는 “역방향 샘플링”과 “점 구분 트리”를 결합해, 각 사이트에 대해 주변 레벨 집합을 빠르게 탐색하고, 교차하는 의사직선 배열을 효율적으로 구축하는 것이다. 이 과정에서 기존의 퀵헐(Qual) 알고리즘이나 Fortune’s sweep line 기법을 변형해 사용한다. 결과적으로 기대 시간 복잡도는 O(n log n) 이지만, 상수 인자가 매우 작아 실제 구현에서는 거의 선형에 가깝게 동작한다.

특히 흥미로운 응용으로 “스무딩 거리(smoothed distance)” 혹은 “바이오톱 변환 메트릭(biotope transform metric)”을 소개한다. 이는 두 점 사이의 거리 정의를 dₛ(p,q)=log(1+‖p−q‖/r) 와 같이 로그 스케일로 부드럽게 변형한 것으로, 자카드 거리 J(A,B)=|A∩B|/|A∪B| 의 연속적 기하학적 대응이라고 할 수 있다. 이 거리 하에서 별형 네트워크(하나의 허브와 여러 말단 노드로 구성된 트리)의 팽창률(dilation)은 허브와 말단 사이의 최장 스무딩 거리 비율로 정의된다. 논문은 허브 주변에 점들이 촘촘히 배치될수록, 즉 “충분히 가까운” 경우에 보로노이 다이어그램이 선형 복잡도를 유지함을 보이며, 이는 네트워크 설계 시 최적 허브 위치 탐색을 효율적으로 수행할 수 있음을 의미한다.

마지막 실험에서는 로이드(Lloyd) 알고리즘을 스무딩 거리 버전으로 변형한다. 전통적인 로이드는 유클리드 거리의 무게 중심을 반복적으로 계산해 균일한 포인트 분포를 만든다. 여기서는 각 반복 단계에서 스무딩 거리 기반의 무게 중심을 구하고, 결과적으로 중심점에 가까울수록 포인트 밀도가 지수적으로 감소하는 “밀도 구배 샘플링”을 얻는다. 이는 데이터 시각화, 점군 압축, 그리고 센터 기반 클러스터링 등에서 유용하게 활용될 수 있다. 전체적으로 이 논문은 볼록 함수 기반 거리 체계가 전통적인 유클리드 거리의 한계를 넘어, 복잡도 이론과 알고리즘 설계, 그리고 실제 응용까지 포괄적으로 연결시키는 중요한 연구라고 평가할 수 있다.

**